[发明专利]一种基于BP神经网络算法进行变压器故障识别的方法

权利要求书

1.一种基于BP神经网络算法进行变压器故障识别的方法，其特征在于，包括如下步骤：

步骤S1：通过局部放电测试系统对不同变压器故障的放电脉冲图谱进行收集；

步骤S2：对通过步骤S1取得的放电脉冲进行功率图谱分析；

步骤S3：从通过步骤S2取得的功率图谱分析得到的特征量中提取训练样本和测试样本；

步骤S4：构建BP网络神经；

步骤S5：进行BP网络神经训练；

步骤S6：进行BP网络神经测试。

2.如权利要求1所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，所述局部放电测试系统包括：显示仪、超高频天线、电极、接地线、绝缘子套管、高压绝缘子套管、油箱、耦合电容器、保护电阻、变压器；其中，放电电压经保护电阻和高压绝缘子套管引入电极的一端，再将电极的另一端引出连接绝缘子套管，绝缘子套管还通过接地线接地，放电信号经耦合电容引入局部放电测试系统，从显示仪上可观察不同电极形状的放电脉冲发生情况。

3.如权利要求1所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，所述变压器故障包括内部故障和外部故障。

4.如权利要求3所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，所述内部故障包括绕组故障、铁芯故障、主绝缘故障。

5.如权利要求3所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，所述外部故障包括分接开关故障、套管故障。

6.如权利要求1所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，所述放电脉冲为沿面放电类型的放电脉冲或者电晕放电类型的放电脉冲。

7.如权利要求1所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，进行步骤S1时，进行环境变量的清空。

8.如权利要求7所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，环境变量包括：悬浮电位放电干扰、电磁波干扰、接触不良干扰。

9.如权利要求1所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，通过直接法或者间接法进行功率图谱分析。

10.如权利要求1所述的基于BP神经网络算法进行变压器放电故障识别的方法，其特征在于，取横坐标[65-75]区间作为特征量，用imresize函数将取横坐标[65-75]区间扩大为1*250维数的矩阵，并且设置第1—50组数据作为测试样本，设置第51-250组数据作为训练样本。